L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 92
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
OK)))) ma leggete attentamente le condizioni -
"post risultati in % (casi predetti con successo) per entrambi i campioni (treno = xx%, test = xx%). Non c'è bisogno di specificare metodi e modelli, solo numeri".
Stiamo aspettando altri risultati. Mi chiedo quali conclusioni trarrà Mihail Marchukajtes.
il mio risultato (se volete, vi darò anche il metodo):
# predict with best models
glm_predict_train <- as.data.frame(predict(glm_obj
, newx = training
, type = "class"
, s = best_models$bestTune$lambda))
glm_predict_train$observed <- train_y
table(glm_predict_train[, 2], glm_predict_train[, 1])
table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training)
# validate with best models
glm_predict_validate <- as.data.frame(predict(glm_obj
, newx = validating
, type = "class"
, s = best_models$bestTune$lambda))
glm_predict_validate$observed <- validate_y
table(glm_predict_validate[, 2], glm_predict_validate[, 1])
table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating)
56% in formazione:
> table(glm_predict_train[, 2], glm_predict_train[, 1])
down up
down 333 181
up 256 230
> table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training)
down up
down 0.333 0.181
up 0.256 0.230
52% al test:
> table(glm_predict_validate[, 2], glm_predict_validate[, 1])
down up
down 332 173
up 309 186
> table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating)
down up
down 0.332 0.173
up 0.309 0.186
Non capisco come si calcola questa "prevedibilità" e se ha un senso se non si tiene conto dell'obiettivo
Ci sono formule per stimare quanto è rumoroso il segnale, o viceversa. Come e cosa calcolano queste formule lo sa solo l'autore, possiamo solo confidare che sappia cosa sta facendo.
La linea di fondo è abbastanza semplice - se i predittori stessi non sono "rumore", è più facile prevedere qualcosa con loro. E se li elaborate in qualche modo, potete ottenere un segnale ancora più stabile. Un segnale stabile è una buona base per una previsione.
Puoi anche stimare rapidamente i predittori da solo usando la funzione Omega() di questo pacchetto e applicare i valori di qualche particolare predittore (una colonna della tabella di allenamento). Il risultato è 0% - rumore e il predittore è inutile. 100% - tutto è buono, il predittore può essere usato.
Suppongo che non dovremmo inserire nella funzione i valori puri dell'indicatore, ma il loro incremento, ad esempio per una media mobile - c(MA[0]-MA[1], MA[1]-MA[2], MA[2]-MA[3], ecc.)
Riguardo ai valori target - sì, non sono usati nel pacchetto. Questo pacchetto non può prevedere nulla. Determina solo in qualche modo quali predittori possono essere attendibili e quali no, e ne crea altri nuovi sulla base di essi. La selezione della variabile target e l'addestramento del modello predittivo devono essere gestiti in modo diverso. È logico che alcune variabili target possono essere previste meglio e altre peggio.
La variabile di destinazione è un problema per qualsiasi pacchetto. Non è certo che la variabile obiettivo utilizzata possa essere prevista con i predittori disponibili. Per esempio, posso usare "aumento/diminuzione del prezzo sulla prossima barra" o "aumento/diminuzione a zig zag" per la variabile target. Vorrei imparare come creare nuove variabili target in modo che si adattino meglio ai predittori disponibili. Chissà, forse potrei prevedere perfettamente un appartamento con i miei predittori, ma non lo saprò mai perché non l'ho provato.
SanSanych Fomenko
Mihail Marchukajtes
Ho solo bisogno di prendere i ritardi da A6, applicare una semplice formula sette meno del quinto e ottenere il 100% su entrambi i campioni. Grazie a tutti. Buona fortuna...
Da quanto ho capito nessuno legge i termini e le condizioni (qualsiasi manipolazione dei dati è permessa), quindi non torturerò. In effetti, tutto è semplice.
Basta prendere i ritardi da A6, applicare una semplice formula settima meno del quinto e ottenere il 100% su entrambi i campioni. Grazie a tutti. Buona fortuna...
Che divertimento c'è? Posso anche codificare una variabile di uscita in un mucchio di spazzatura di input. Non sarete in grado di indovinare. Non so ancora quale fosse il senso di tutto ciò.
Che divertimento c'è? Posso anche codificare una variabile di uscita in un mucchio di spazzatura di input. Non sarete in grado di indovinare. Continuo a non capire il senso di tutto questo.
Dai, proviamo. Solo una semplice.
Nel senso che non si può vedere il gopher, ma è lì)))
Dai, facciamo una prova. Solo una semplice.
Beh, per esempio questo file. Il treno Chitso non ha bisogno di fare alcun test. L'ottimizzatore di Reshetov mostra spazzatura o 56%, ma il gopher è anche lì. Chi può trovare....?? Davvero non vedo il punto di questi giochi quando l'uscita è fatta dalla trasformazione dell'ingresso, qui e la rete non sarà necessario.... so....